云环境下一种节能的资源调度算法

针对云计算的高能耗问题,从系统级节能角度,提出一种节能的资源调度算法。首先,建立云计算的 两级资源调度模型;综合考虑主机的工作、空闲和休眠等多种状态建立能耗模型,并用多功能计量插座加以验证。 然后,提出基于遗传算法的最小能耗资源调度算法（ｍｉｎｉｍｕｍｅｎｅｒｇｙｃｏｎｓｕｍｐｔｉｏｎｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ, ＭＥＣＧＡ）,根据云任务的服务质量（ｑｕａｌｉｔｙｏｆｓｅｒｖｉｃｅ,ＱｏＳ）需求产生初始种群,以系统能耗最小为调度目标设计 适应度函数,并根据染色体适应度的正态分布函数和种群的进化代数设计遗传算子。仿真结果表明,所提算法能 够有效降低系统总能耗、缩短任务完成时间。     

云环境下能耗优化的任务调度模型及虚拟机部署算法

云计算环境下,在满足用户服务级目标约束下,如何有效地进行资源分配调度,降低能耗,已成为不容忽略的关键问题.针对目前云计算系统服务资源分配调度问题在能耗方面的研究不足,提出一种能耗优化的资源分配调度体系架构,并基于此架构设计了一个满足实时用户SLA的能耗优化模型.该优化模型从系统级和部件级两个层次进行能耗优化.在系统级上,提出一种基于分组遗传算法最大限度降低系统空闲能耗的虚拟机部署算法,该算法将虚拟机和服务器之间的映射抽象为有约束的多维可变装箱问题;同时,在部件级上采用动态电压功率调整技术降低执行能耗,从而达到在满足用户需求的前提下,最大限度降低系统总能耗.仿真实验结果表明,该算法与同类算法相比,在相同条件下可有效降低云计算系统的能耗开销.     

一种云计算环境下的负载调度算法

云计算数据中心的负载调度是影响云计算性能的核心,是云供应商对外提供服务,用户感受服务性能的关键所在,它直接关 系到云平台的整体性能和系统的资源利用率. 在对经典的Min-Min调度算法进行分析的基础上,结合云计算环境对Min-Min算法进行了改进. 提出了一种基于相对负载均衡的LL-Min-Min算法. 仿真实验表明,LL-Min-Min算法能够满足云计算环境下任务的多样性和不确定性的要求,可以较大地改善数据中心的负载均衡,提高集群的吞吐率.     

云边协同下基于博弈论的云机器人部分任务卸载策略

如何合理地利用中心云、边缘云的资源,既降低系统设备能耗,又能缩短任务平均完成时间,是云机器人计算任务卸载面临的重大挑战。将云机器人的计算任务完成时间与能耗作为代价衡量指标,根据自身需求设置不同的代价权重,将多个云机器人的计算任务卸载问题转换成了一种多个玩家参与的博弈模型,设计了一种基于博弈论的部分任务卸载算法(game theory-partial task offloading,GT-PTO)。通过算法下的纳什平衡状态,找到参与者的最佳卸载阈值,从而达到系统总代价的优化。仿真结果表明,采用所提算法进行任务卸载,能够减少云机器人计算任务的能耗,缩短平均任务完成时间,大大提高云边协同服务质量。     

不确定云环境下基于滚动窗口的节能调度

目前,绿色云计算已经成为工业界和学术界的研究热点. 然而,以往的绿色节能调度研究忽略了虚拟机性能的不确定因素,使得调度效果与实际情况相差甚远. 本文提出一种基于滚动窗口的节能调度算法（ERRHU）,用于动态调度不确定云环境中的实时任务,同时根据系统的负载动态伸缩系统的计算资源以减少系统的能量消耗. 本文通过大量的模拟实验比较ERRHU与其他算法的性能.     

基于信度势场算法的水下传感网络部署及仿真

针对水下传感器网络节点的三维部署,基于D-S证据理论,提出了检测信度和信度覆盖的定义,研究了水下传感器网络检测区域信度覆盖的变化,结合感知目标分布的先验概率和被动声呐节点的感知概率模型,提出了基于改进D-S证据理论和先验概率的节点部署算法(NAAEP),将目标感知信度的值转化为虚拟势场中所受的力的大小,根据感知节点在势场中受到合力的大小对节点的位置进行调节.利用MATLAB建立了水下传感器网络仿真模型,通过仿真实验验证了算法的有效性:该算法能够有效减少部署节点,减少节点能耗,扩大检测范围,提高网络的检测性能.     

基于虚拟传热的能耗均衡幂律重部署算法

针对大规模双层无线传感器网络自移动传感器节点覆盖控制的能耗均衡问题,提出一种基于虚拟传热的重部署算法。建立了以二次熵为基础的幂律熵模型,设计传感器节点与汇聚节点之间的绝对移动方法;利用邻居节点之间幂律熵流动的平衡关系,建立熵平衡方程,采用相对熵求得相对移动中参照节点选取概率的权重,设计相对移动方法。叠加两种自移动方法,进行迭代,达到网络熵平衡。实验表明,所提算法能够高效实现能耗均衡,及时避免能量空洞,延长了网络生命周期,并提升了覆盖率。     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

基于水下云边协同架构的珊瑚礁监测新机制

珊瑚礁是极具研究价值的海洋生态系统, 水声传感器网络(underwater acoustic sensor networks, UASNs)是监测与保护珊瑚礁系统的有效手段。然而, 随着水下传感设备的大规模应用, 感知数据的类型及数量大幅增加, 传统UASNs架构将原始数据直接上传至水面数据中心的集中处理方式给网络能耗和通信效率带来严峻挑战。本文构建了一种基于边缘计算的水下端边云系统架构, 并提出一种适用于该架构的两级协同珊瑚礁系统监测机制。该架构将复杂处理任务从远程云中心分散至边缘端, 减轻了云端处理负荷。该机制由两级监测环节组成, 同时包含了端侧图像处理和端边协同数据检测策略, 实现了机器学习任务的边缘侧执行和数据的原位处理。实验结果表明, 本文研究能够明显减少网络数据流量, 有效降低网络能耗及传输时延, 显著延长网络生命周期。     

基于区分服务的云提供商效用最大化方法

当前云计算发展面临如何增加服务收益的重要挑战.经济学领域中多通过区分服务来划分市场以提高收益.由于云服务存在服务质量建模复杂、用户服务质量需 求灵活多变等特性，区分提供云服务非常困难.基于队列模型和优化算法，本文提出一种通过区分服务供应来最大化云提供商收益的方法.本文采用队列模型分析来确定为实 现特定服务质量水平需供应给单个服务的资源数量，然后通过优化算法决定准入服务的组合并确定其服务质量水平及价格，以实现云提供商的效用最大化.分析表明该 优化问题是NP完全的，本文提出基于遗传算法的元启发算法来得到最优效用.实验结果表明，在不同工作负载情况下，算法可行且具有良好的收敛性，保证了云计算的实时性.     

传感器网络中一种能量高效的数据收集算法

为了在无线传感器网络中降低能耗和最大化网络生存期,提出一种能量高效的数据收集算法(energy efficient data gathering algorithm, EEDGA)。该算法利用移动代理模型在网络中进行数据收集。首先,EEDGA根据监测精度的要求控制活动节点的数量;然后,通过求最小支配集得到具体的工作节点;最后,利用蚁群算法规划移动代理迁移的最优路线,移动代理以渐进方式收集活动节点的监测数据。仿真结果表明,与典型算法相比,该算法具有更低的能耗和更长的网络生存期。     

认知无线电传感器网络自适应接入控制策略

针对当前认知无线传感器网络接入控制策略能量消耗过大及难以适应服务要求的问题,提出一种认知自适应接入控制策略。首先建立接入控制策略模型,利用代表节点降低感知能量消耗和报告开销。然后提出关于感知模型选择及工作周期调整的自适应方法来提高感知效率,深入分析其对系统吞吐量及帧递送率带来的影响。最后仿真结果表明,在达到相同检测目标情况下,提出的自适应接入控制策略所需通信开销较传统策略更少,有效降低了能量消耗,吞吐量较传统方法有了较大提高,在回避主用户情况下服务质量受到的损失更小。     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于节点分级的NNSs跨层MAC协议设计

针对组网导航系统(networked navigation systems, NNSs)中节点高速移动、能量受限及通信时滞的问题, 融合了基于移动汇聚节点的交叉路由树构建及链式分簇相结合的路由协议(cross routing tree construction based on mobile sink and chain clustering, CRTCC), 设计了一种基于节点分级的跨层媒介访问控制协议(medium access control protocol based on graded nodes, GN-MAC)。GN-MAC采取了基于竞争的媒介访问方式, 结合CRTCC协议特点定义GN-MAC包格式并完成具有多级别节点的自适应虚拟分簇, 同时设计了改进型节点移动性检测算法, 作出了最优簇间切换决策, 提出了基于优先级的竞争机制以及多信道通信机制。最后通过算例仿真, 验证了GN-MAC在节点高速移动和多移动节点情况下, 时滞和能耗得到了有效的控制。     

无人机蜂群中紫外光隐秘通信能耗均衡路由算法

针对复杂战场环境下无人机蜂群的任务协同要求,保证编队内可靠的路由通信尤为重要。考虑无人机携带能源有限,为了尽可能延长空中作业时间,提出一种无人机蜂群中紫外光隐秘通信能耗均衡路由算法。在无人机编队保持的基础上,结合无线紫外光散射通信特点,在路由选择过程中引入通信链路路径损耗和无人机节点剩余能量来构建链路权值函数,从而有效地平衡无人机蜂群节点的能量消耗。仿真结果表明,与其他算法相比,所提算法能够动态地选择数据传输路径,使节点的能量消耗均衡,进而延长无人机蜂群的生命周期。     

基于敏感等级的云租户数据安全保护模型研究

为云计算提供有效的租户数据安全保护,提出一个第三方租户数据安全保护模型,解决租户数据的存储和检索安 全问题. 模型采用隐藏数据间关系的方法,对租户数据进行切片,利用单向函数混淆切片关系;结合租户对数 据的隐私需求和安全等级定义,给出租户数据的分级方法;依据安全等级对分割后的子表内容进行局部加密或匿名,实 现云端数据存储安全;结合私有信息检索技术,利用云端加密数据的关键字检索算法,隐藏租户搜索请求,保护云端数据 的检索安全. 实验表明,该模型能满足租户数据在未知云环境中的存储和检索安全要求.     

属性代理重加密的区块链密文云存储共享研究

为了更安全高效地实现信息存储共享服务，提出一种支持关键词检索及属性代理重加密的区块链存储共享方案。采用节点分类和密文存储分离的方式，更好地实现了抗共谋攻击；引入信息交互智能合约，使信息共享双方无需中心机构参与就可以自发地进行通信。利用属性代理重加密算法，信息属主不需要重新加密、上传、下载就可以向其他用户共享信息，在一定程度上减轻云存储器高频访问的压力。通过与现有的属性代理重加密方案进行对比，结果验证了方案的安全性和高效性。     

具有能量收集设备的移动边缘计算资源分配研究

针对具有能量收集能力的移动边缘计算系统的计算资源分配问题,提出一种基于李雅普诺夫贪婪优化算法。构建在设备电池电量逐渐收敛下,移动设备时延与能耗联合成本的动态最小化优化问题。利用李雅普诺夫动态优化理论,将优化问题分解成每个时隙最佳本地执行、卸载执行和能量收集3个子问题,通过线性规划获得子问题最优解。通过在本地执行、卸载执行和任务丢弃之间选择执行模式,获得设备的时延与能耗联合成本最小结果。利用键值对设计贪婪策略程序,以适应多用户多服务器系统。仿真结果证实,在保证所有设备电池电量都在规定操作水平附近稳定情况下,卸载率可达99.9%以上,并能有效降低服务延时和系统能耗。     

面向航空集群云网络的航空数据链MAC协议

针对未来航空集群作战的全新网络需求,提出了“航空集群云网络”的概念,设计了网络通信层面与任务需求层面耦合机制,为航空集群网络的具体通信技术研究提供了参考,并在此基础上结合基于正交频分多址(orthogonal frequency division multiple access, OFDMA)的可变带宽信道分配技术设计了一种面向航空集群云网络的媒体接入控制协议(aeronautic swarm cloud network oriented media access control protocol, ASCN-MAC)。详细设计了协议的任务需求认知机制,为智能化任务规划决策提供了通信支撑,并从需求出发,基于OFDMA的特点,提出了面向任务需求的层次化信道资源预约方式和信道资源贪婪预约算法。仿真结果表明,ASCN-MAC协议在任务规划决策的通信支撑能力、吞吐量性能和实时性上均具备较强的优势,可以满足新的作战样式下大量面向任务需求信息的可靠低时延传输。对全新作战样式下新一代航空数据链的研究具有一定的参考、借鉴意义。